[ИАД, весна 2026] Введение в машинное обучение. Лекция 9: Логические методы машинного обучения

[ИАД, весна 2026] Введение в машинное обучение. Лекция 9: Логические методы машинного обучения

par Machine Learning – Intelligent Systems

Sciences formelles & physiques IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQMApprentissage par la machine
🎙 Machine Learning – Intelligent Systems 👥 8K 📅 16 avril 2026 ⏱ 97 min 👁 145 📄 cours magistral 🧭 2026-08-16
Disponible en : Français (actuel) English

Mots-clés

règles de classificationarbres de décisioninterprétabilitéBongardapprentissage automatique

Résumé

Cette neuvième leçon du cours d’introduction à l’apprentissage automatique se concentre sur les méthodes logiques, l’une des cinq écoles historiques identifiées par Pedro Domingos. Le professeur commence par situer le symbolisme dans le paysage des écoles, soulignant son importance récente pour l’IA explicable. Il définit ensuite les concepts d’interprétabilité, de transparence et d’explicabilité, illustrant le compromis entre interprétabilité et précision. Un long passage est consacré aux travaux pionniers de Mikhail Bongard, dont les tests de reconnaissance de formes (1967) montrent la difficulté de l’extraction de caractéristiques et la question de la sélection de règles. La formalisation des règles logiques est présentée : une règle est un prédicat qui doit être interprétable et informatif, mesuré par les nombres de vrais positifs (P) et de faux positifs (N). Le processus d’induction de règles comprend quatre étapes : choix de la forme des règles (conjonctions, syndromes), génération, évaluation de l’information, et construction du classifieur par vote pondéré. Des exemples concrets en médecine et en crédit sont donnés. La leçon se termine par une discussion sur les défis de l’induction de règles, notamment le sur-apprentissage et la nécessité de régularisation.

186 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le cours offre une perspective historique riche, rarement abordée, sur les méthodes logiques, et relie des concepts classiques (règles, arbres) à des préoccupations modernes d’interprétabilité. L’argumentation est solide, s’appuyant sur des exemples concrets (tests de Bongard) et des références à des travaux fondateurs (Domingos, Bongard, Miller). Le professeur explique clairement les compromis et les limites, mais certaines parties restent descriptives et auraient gagné à être plus formalisées (par exemple, la définition de l’information).

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : le cours cite des sources historiques (Bongard, Domingos) et des concepts psychologiques (nombre de Miller). Cependant, aucune source bibliographique détaillée n’est fournie dans la description, et les affirmations sur l’efficacité des règles à trois termes ne sont pas étayées par des études précises. Le titre est en adéquation avec le contenu, qui est bien une introduction aux méthodes logiques. La qualité des sources est correcte, mais on pourrait souhaiter plus de références académiques récentes.

175 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : il s'agit bien d'une introduction aux méthodes logiques en apprentissage automatique, dans le cadre d'un cours.

Qualité & fiabilité

8/10

Cours universitaire structuré, s'appuyant sur des références historiques et des concepts établis (Bongard, Domingos, Miller). L'exposé est clair et didactique, mais certaines affirmations (comme l'efficacité des règles à trois termes) manquent de preuves empiriques détaillées.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

  • The Master Algorithm — Référence à l'ouvrage de Pedro Domingos pour la classification des écoles d'apprentissage automatique.
  • Проблема узнавания — Livre de Mikhail Bongard (1967) contenant les tests de reconnaissance de formes.

Sources concordantes

  • The Master Algorithm — Ouvrage de Pedro Domingos qui classe les écoles d'apprentissage automatique, dont le symbolisme.

Sources discordantes

  • Aucune source discordante — Aucune source contradictoire n'a été identifiée dans la vidéo.

Apport & nouveautés

L’apport original de cette leçon réside dans la mise en perspective historique des méthodes logiques, souvent négligées au profit des réseaux de neurones. Le professeur relie les travaux de Bongard aux problématiques modernes d’interprétabilité et d’IA de confiance. Il propose une formalisation claire des règles logiques et de leur utilisation dans des classifieurs par vote pondéré. La discussion sur le compromis interprétabilité-précision et la régularisation est pertinente.

Pour aller plus loin :

  • Apprentissage par règles — Article de Wikipédia sur l’induction de règles.
  • Arbre de décision — Article de Wikipédia sur les arbres de décision, une autre forme de méthodes logiques.
  • Explainable artificial intelligence — Article de Wikipédia sur l’IA explicable, en lien avec l’interprétabilité.
  • Mikhail Bongard — Article de Wikipédia sur le scientifique soviétique.

125 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et une qualité élevée, avec un niveau technique modéré. La fiabilité est bonne, mais pourrait être renforcée par des références plus précises.

Fiabilité 8/10